RSNA2018人工智能及分子影像在中枢神经系统的研究进展

李诗卉，吴迪，周铱然，刘栋，苏昌亮，朱文杰，姚义好，黄超，方纪成，朱文珍

人工智能

1 脑肿瘤

肿瘤突变负荷(tumor mutational burden，TMB)或超突变增加是癌细胞中DNA突变的过度积累。超突变的胶质瘤大多数对烷基化治疗具有抵抗性。Hassan等对101例原发性胶质瘤患者(77非超突变：<30个突变；24个超突变：≥30个突变或<30个MMR基因或POLE / POLD基因突变)术前的常规MR图像(FLAIR和T1增强)提取一阶直方图和灰度共生矩阵特征。LASSO正则化(alpha=1)使用所有4880特征进行特征选择并且40个最突出的特征被用于逻辑回归建模。ROC分析显示符合率为94%、敏感度为75%、特异度为100%。表明MRI放射学表型可预测原发性和复发性胶质瘤中TMB的增加，放射组学生物标志物可用于指导临床免疫疗法试验患者选择和治疗。

Su等将220名胶质瘤患者的传统解剖、扩散和灌注加权包括10种对比度的图像配准到T2FLAIR图像上，提取出431个影像组学特征。采用偏相关分析探究影像组学特征与病理生物标记之间的相关性，并采用0.632+Bootstrap方法建立多变量预测模型。在单变量分析中，与肿瘤级别相关性最好的为T1增强(R=0.557)；与Ki-67相关性最好的是ADC(R=0.395)。在多变量分析中，所有影像组学特征的组合在预测胶质瘤亚型和预测增殖中具有最高的曲线下面积(AUC)。区分低/高级别胶质瘤的AUC为0.911，区分Ⅱ/Ⅲ级为0.896，Ⅱ/Ⅳ级为0.997，Ⅲ/Ⅳ级为0.881。在反映增殖水平时，整合多对比度建立的预测模型的AUC为0.936。多模态MRI影像组学能提供互补的信息，结合多模态影像组学能有效的预测胶质瘤的级别和Ki-67水平，有利于患者的精准诊疗。

获取85例脑膜瘤患者(低级别61例，高级别24例)T1增强、ADC及FA图的肿瘤全体积参数，将纹理及形态特征与肿瘤分级和病理分型进行关联分析。训练支持向量机(support vector machine，SVM)以获得脑膜瘤的分级诊断模型，并通过外部验证集(低级别27例，高级别10例)验证模型效能。研究发现多个形态及纹理参数与脑膜瘤的分级密切相关，在训练集中分类器的AUC为0.905，在验证集中为0.878。多个纹理参数在鉴别纤维型及非纤维型脑膜瘤方面均具有显著性。T1增强、ADC图及FA图的纹理及形态特征分析在区分脑膜瘤等级方面具有辅助的诊断价值，有助于临床治疗方案选择。

2.阿尔茨海默病(Alzheimer's disease，AD)

获取198例AD病例和148例健康对照组(HC组)的高清3D T1图像。其中148例AD和100例HC为训练集，50例AD和50例HC为测试集。采用稀疏主成分分析法(sparse principal component analysis, SPCA)，根据AAL模板提取32个脑ROI的稀疏主成分(SPCs)，得到区间相关矩阵的32个 ROI的Yi值及16个特征性的与海马具有高度相关性的ROI(r>0.3)。作为SVM的特征变量，Yi和17个ROIs(包含上面16个ROIs加海马)的灰质体积的分类符合率分别为0.84和0.82。海马Yi值与海马体积具有高度的相关性(r=0.963)。Yi与MMSE评分的相关性(r=0.586)远大于体积(r=0.393)。通过SPCA联合区间相关矩阵法对AD病例结构MR图像数据的分析，具有较高的诊断符合率。特征参数值Yi具有比AD患者海马体积更高的诊断符合率。

Diao等选用ANDI数据库中88例AD患者的3D T1MPRAGE图像，并选取142例正常对照。用FreeSurfer软件对皮层、皮层下及海马进行分割，然后将数据导入SVM、随机森林(Random forest,RF)及朴素贝叶斯三种不同机器学习算法进行训练。每个病例均生成163个脑结构特征，包含70个皮质厚度特征，68个脑体积特征，10个脑室体积特征，15个海马亚区特征。在AD的分类鉴别中，RF法具有最好的诊断符合率(95.7%)、敏感度(83.3%)、阳性预测值(PPV，100%)、特异度(100%)及阴性预测值(NPV，94.4%)。而SVM法及朴素贝叶斯算法具有较差的效能。相对于SVM及朴素贝叶斯算法，RF法具有更高的诊断价值。此外，机器学习在预测诊断AD中具有重要价值，可对更薄的皮层厚度及更小的海马亚区进行鉴别诊断。

3.颅内出血及骨折

Lee等使用169名标注了骨折及颅内出血(intracranial hemorrhage，ICH)区域的患者数据对1785名健康受试者和2661例骨折或(及)ICH患者的CT图像进行弱监督训练，并对卷积神经网络(convolutional neural networks，CNN)模型进行微调。基于VGGNet-16设计三维CNN架构，在预测层之前进行全局平均化，以提取类激活映射。该研究建立的模型在检测出血的符合率为87.7%、敏感度为87.7%、特异度为87.6%、PPV为91.5%、NPV为82.5%；骨折检测的符合率为80.5%、敏感度为69.5%、特异度为87.8%、PPV为79.0%、NPV为81.3%。这种基于深度学习网络的脑外伤急诊患者全自动检测系统有助于放射科和急诊科的医生减少诊断时间和人为错误。

Farris等利用内部编写的MATLAB脚本手动分割ICH病灶，用60个带注释的ICH病例训练深度残差卷积神经网络(DRCNN)，并用5个ICH病例进行验证。然后用训练后的DRCNN对30例ICH病例(其中许多病例包括不同类型的出血，共56次出血)和46例正常头部CT病例进行测试也获得了较好的结果。高阈值的DRCNN正确检测到70%(39/56)ICH，包括0%(0/1)硬膜外出血(epidural hemorrhage,EDH)，60%(6/10)硬膜下出血(subdural hemorrhage,SDH)，50%(6/12)蛛网膜下腔出血(subarachnoid hemorrhage,SAH)，81%(17/21)脑实质出血(intraparenchymal hemorrhage,IPH)和83%(10/12)脑室内出血(intraventricular hemorrhage,IVH)。低阈值的DRCNN正确检测到89%(50/56)ICH，包括100%(1/1)EDH，80%(8/10)SDH，83%(10/12)SAH，90%(19/21)IPH和100%(12/12)IVH。这种自动检测的方法有可能在临床上有助于对颅内出血进行分类。

4.提高图像质量

在69～367 mAs之间的几个剂量水平对Catphan体模重复扫描，并在40～400 mAs范围内对定制的头部模型重复扫描。使用光子计数探测器在台式CT系统上获得两个模型的原始CT数据。通过对所有重复扫描中的最高剂量水平的对数前投影求平均，然后进行滤波反投影(filter back projection,FBP)重建获得每个体模的参考图像。对于每个剂量水平和重建方法[FBP，传统基于模型的迭代重建(Model based iterative reconstruction， MBIR)，优化的MBIR]，通过从每个重复扫描的重建后的平均值中减去参考图像来计算偏倚图像。优化的MBIR方法消除了Catphan体模中每个对比度和剂量水平的偏差并且在更复杂的头部模型中显示出可减少整个FOV的偏差。该方法通过修改数据加权方案来维持不同剂量水平的不同对比度的CT值的准确性。

获取低计数PET和欠采样MR可以缩短PET/MR扫描时间，但是，这也可能导致PET图像噪声增加和MR图像产生伪影。Xu等开发了一个完全卷积编码器--解码器网络，采用跳过连接和残差学习策略来恢复高分辨率。对该模型用40名患者进行训练，并对其他10名患者进行了评估。与低计数PET/欠采样MR相比，所提出的联合模型的峰值信噪比和结构相似性指数均有所改善，分别为0.97/0.15 dB、0.006/0.0012。深度学习方法可以从低质量的对应图像重建高质量的PET/MR图像，从而缩短PET/MR的扫描时间。

Zhang等开发了基于深度学习的神经网络模型--多通道生成对抗网络，用于处理原始多通道MRI数据。多通道生成对抗网络具有两个子网络：一个学习欠采样和完全采样数据之间关系的生成网络；一个可以证明生成的数据是否真实的鉴别网络。整个模型由与MRI扫描仪上的射频通道相同数量的基本网络单元组成，用于并行MRI重建。训练过程使用随机梯度下降和反向传播算法，多通道发生器网络经过训练后用于图像重建。经训练的模型可在不校准的情况下从欠采样数据重建高质量图像，从而提供比传统并行MRI更快的成像速度，缩短临床MRI检查程序，提高临床MRI效能。

分子影像

1.PET-MR及PET-CT

基于MR的衰减校正对PET定量准确性的影响是PET/MR在脑研究中一个重要的部分。对30名受试者进行18F-FDG-PET/CT扫描，然后在GE Signa PET/MR上接受扫描。每个患者42 s的零回波时间(zero-echo-time，ZTE)序列来产生两种衰减图：一种基于标准ZTE分割的方法；另一种是该方法的优化。 CT数据作为金标准。重建的PET图像使用标准化的脑图谱模版在68个兴趣区进行定量测量。基于优化模板的ZTE衰减校正的PET偏差与常规ZTE衰减校正偏差具有显著差异。表明预先对ZTE数据和解剖模板进行配准在临床实践中是可行的，并且可以用于改善基于分割的衰减校正的性能。

Zhang等在325 ps DPC PET/CT(Philips Vereos)上对9例乳腺癌脑转移患者进行18次低剂量[(3.1±0.2) mCi]脑FDG-PET扫描(0～75 min)，以评估化疗前后患者的神经代谢变化。采用三维有序子集最大期望值法(3D-OSEM)进行5组PET重建(10,5,2,1和0.5 min)。使用MIM Software和Brain Atlas Mapping创建的90个神经解剖区域来进行配准和标准化。计算标准摄取值(SUV)和Z-Score。TOF-PET比非TOF-PET的表现出更好的图像质量和更好的细节。当扫描时间从10 min减少到1 min时，Z-score在TOF-PET中具有稳健性(变化≤10%)。与目前的标准的FDG脑PET成像(10～13 mCi，10 min)相比，这种低剂量(3 mCi)脑PET扫描显示出比非TOF更好的适应性，当扫描时间和剂量减少时可以获得更好的扫描图像质量，通过卓越的TOF能力实现了更精确的大脑PET成像。

2.脑出血

为了探究ICH后铁沉积与血肿周围水肿的关系，对模拟自发性ICH的SD大鼠和正常大鼠在7.0T动物MRI上进行T2WI，DTI和T2*-mapping成像。DTI和T2*-mapping的扫描时间点是第1，3和7天。使用在ICH后3～6 h扫描的T2WI图像来测量初始血肿。在ICH后1，3和7 d，ICH组同侧的T2*值均显著低于正常对照组，对侧和正常组之间T2*值无显著差异。在ICH后1 d，T2*异常体积与平均弥散度(mean diffusivity，MD)异常体积呈正相关(r=0.92)。表明DTI和T2*-mapping不仅可以用于诊断ICH后血肿和血肿周围区域水肿和铁超负荷沉积，还可以用于探究铁沉积与血肿周围水肿的关系。

另一方面，为了评估ICH后对皮质脊髓束的影响，对ICH大鼠在第1，3，7，14，21和28天，于7.0T MRI上行DTI扫描。mNSS用于评估大鼠的神经功能。ICH组同侧脑干的FA值显著低于正常对照(1，3，7，14和21 d)；ICH组1 d的同侧脑干的MD值明显高于对照组，28 d明显低于对照组；ICH组中7 d和28 d的同侧脑干的轴向弥散度(axial diffusivity，AD)显著低于对照组；ICH组1 d和3 d同侧脑干的径向弥散度(radial diffusivity，RD)高于对照组，28 d低于对照组。 ICH组和和对照组在不同时间点的同侧和对侧锥体束的DTI参数无显著差异。ICH组mNSS评分显著高于对照组，且ICH组中1 d的mNSS评分显著高于其他时间点。表明DTI有可能动态地监测血肿对皮质脊髓束的影响。

3.AD

为了阐明AD与胰岛素抵抗之间潜在联系，Lowe等将6个月的APP/PS1小鼠(n=6)和野生型(WT)同窝小鼠(n=6)分成两组，一半喂食高脂肪饮食(HFD)，一半喂食常规饲料4个月。并在开始喂食后1、4个月进行胰岛素耐量试验。通过股静脉推注125I-胰岛素，并用SPECT/CT对每只小鼠成像。尽管HFD在WT和APP/PS1小鼠中均引起外周胰岛素抵抗，但成像显示这些小鼠胰岛素水平是增加的。与之相反的是，对WT和APP/S1小鼠HFD组进行尸检均观察到较低的胰岛素保留。与WT小鼠相比，APP/PS1小鼠表现出更明显的外周胰岛素抵抗和更低的脑胰岛素保留，表明大脑对胰岛素的耐受会引发“三型糖尿病”。胰岛素分子成像是阐明AD与胰岛素抵抗之间潜在联系的一种前沿技术，能够更好地了解胰岛素的大脑动力学。

PET临床上用于量化AD患者体内的脑淀粉样蛋白负荷，但需要使用淀粉样蛋白特异性放射性示踪剂，并且不能提供斑块结构的信息。Dahal等研究了小角度X射线散射(small-angle X-ray scattering,SAXS)成像用于人脑中淀粉样斑块的结构表征和无对比剂的淀粉样蛋白负荷的量化。使用FBP重建不同淀粉样蛋白负荷的脑SAXS-CT图像。淀粉样蛋白原纤维颗粒的SAXS测量显示出强烈的散射。SAXS能够基于其散射特征检测不含任何对比剂的淀粉样斑块。在具有植入淀粉样斑块的人头部数字模型上进行的SAXS-CT模拟显示可以实现小至2 mm的斑块的检测。该研究结果显示了SAXS成像方法对人脑中淀粉样斑块成像的潜力，并能在不使用对比剂的情况下量化淀粉样蛋白负荷。

4.脑肿瘤

肿瘤血管生成和肿瘤代谢物对于脑肿瘤患者的临床是重要的。尽管没有对比剂泄漏校正的rCBV是MR动态磁敏感对比灌注加权成像(dynamic susceptibility contrast perfusion-weighted imaging，DSC-PWI)中最广泛使用的成像参数，但据报道具有对比剂泄漏校正的rCBV在评估肿瘤血液动力学方面具有更好的准确性。对65例脑肿瘤患者(包括高级别胶质瘤、脑转移瘤和脑淋巴瘤)的85次MR DSC-PWI和FDG-PET图像进行分析。结果具有对比剂泄漏校正的rCBV(1.65±1.38)高于没有对比剂泄漏校正的rCBV(1.02±0.876)。具有对比剂泄漏校正的rCBV与FDG-PET-TNR(r=0.618)比没有对比剂泄漏校正的rCBV(r=0.436)具有更好的相关性。结合不同的MR-DSC-PWI和FDG-PET参数可以提供肿瘤血流动力学变化和肿瘤代谢异常的综合信息。

5.炎症成像

Masthoff等在9.4T小动物MRI上开发了单帧扫描时间为8 min 12 s的T2*WI梯度回波序列的时移MRI方案。电影由20次重复的图像组成。在铁羧葡胺(Resovist)标记的单核细胞上进行体模扫描。对健康和实验性自身免疫性脑脊髓炎(experimental allergic encephalomyelitis,EAE)小鼠静脉注射Resovist后24 h进行活体扫描。通过从标记细胞的不同位置获得的合成k空间数据来模拟运动。模拟显示可以检测到移动速度达到1 μm/s的细胞。EAE小鼠与正常小鼠相比，观察到体内标记的免疫细胞数量显著减少(253±29 vs 31±6)；在EAE小鼠中，在症状发作前(45±9)与症状发作后(21±4)也观察到显著差异。时移MRI能够非侵入性地评估免疫细胞动力学，并且可以用作在临床症状发作之前检测或监测炎症反应。